CN112070096A - 颜色识别方法、装置、终端设备和存储介质 - Google Patents
颜色识别方法、装置、终端设备和存储介质 Download PDFInfo
- Publication number
- CN112070096A CN112070096A CN202010756965.9A CN202010756965A CN112070096A CN 112070096 A CN112070096 A CN 112070096A CN 202010756965 A CN202010756965 A CN 202010756965A CN 112070096 A CN112070096 A CN 112070096A
- Authority
- CN
- China
- Prior art keywords
- color
- image
- contrast
- channel
- identified
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 67
- 238000012545 processing Methods 0.000 claims abstract description 89
- 230000011218 segmentation Effects 0.000 claims abstract description 43
- 239000007787 solid Substances 0.000 claims description 26
- 238000004590 computer program Methods 0.000 claims description 25
- 239000003086 colorant Substances 0.000 claims description 17
- 238000003708 edge detection Methods 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 3
- 230000000694 effects Effects 0.000 abstract description 6
- 230000006870 function Effects 0.000 description 15
- 230000008569 process Effects 0.000 description 10
- 238000010586 diagram Methods 0.000 description 5
- 230000004044 response Effects 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 239000004576 sand Substances 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000005286 illumination Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 230000005236 sound signal Effects 0.000 description 2
- 230000003190 augmentative effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000004456 color vision Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 238000009432 framing Methods 0.000 description 1
- 238000003384 imaging method Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000877 morphologic effect Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000010897 surface acoustic wave method Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/56—Extraction of image or video features relating to colour
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/44—Local feature extraction by analysis of parts of the pattern, e.g. by detecting edges, contours, loops, corners, strokes or intersections; Connectivity analysis, e.g. of connected components
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/40—Extraction of image or video features
- G06V10/50—Extraction of image or video features by performing operations within image blocks; by using histograms, e.g. histogram of oriented gradients [HoG]; by summing image-intensity values; Projection analysis
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Multimedia (AREA)
- Theoretical Computer Science (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Processing Of Color Television Signals (AREA)
- Image Processing (AREA)
Abstract
本申请适用于图像处理技术领域,提供了颜色识别方法、装置、终端设备和存储介质,该颜色识别方法包括:获取待识别图像,所述待识别图像包含纯色物体;对所述待识别图像进行白平衡处理,调节所述待识别图像的色阶和对比度;对经过所述白平衡处理后的所述待识别图像进行HSV颜色空间分割处理,基于所述HSV颜色空间分割处理的结果确定所述纯色物体的颜色。本申请白平衡处理调节了待识别图像的色阶和对比度,能够尽可能地恢复物体真实的颜色,再对待识别图像进行HSV颜色空间分割处理,从而能够提高对待识别图像中纯色物体的颜色识别的精确度,提高颜色识别效果。
Description
技术领域
本申请属于图像处理技术领域,尤其涉及颜色识别方法、装置、终端设备和存储介质。
背景技术
颜色识别通常在HSV(色调Hue、饱和度Saturation、亮度Value)空间中进行,HSV颜色空间内颜色的表达更类似于人类感觉颜色的方式,能更加直观表示色彩的明暗、色调以及鲜艳程度,方便进行颜色对比。传统的颜色识别方法是确定图像中物体的平均颜色,而物体的平均颜色通常和物体的真实颜色有很大差别,远不能满足实际应用需求。
在识别图像中纯色物体颜色的场景中,图像中的背景颜色通常比较丰富,纯色物体的颜色容易受到光照影响而造成视觉误差,导致颜色识别效果较差。
发明内容
为克服相关技术中存在的问题,本申请实施例提供了颜色识别方法、装置、终端设备及存储介质。
本申请是通过如下技术方案实现的:
第一方面,本申请实施例提供了一种颜色识别方法,适于在终端设备中执行,上述包括:获取待识别图像,所述待识别图像包含纯色物体;对所述待识别图像进行白平衡处理,调节所述待识别图像的色阶和对比度;对经过所述白平衡处理后的所述待识别图像进行HSV颜色空间分割处理,基于所述HSV颜色空间分割处理的结果确定所述纯色物体的颜色。
上述颜色识别方法,对待识别图像进行白平衡处理,调节该待识别图像的色阶和对比度,然后对经过白平衡处理后的待识别图像进行HSV颜色空间分割处理,基于该HSV颜色空间分割处理的结果确定待识别图像中的纯色物体的颜色,白平衡处理调节了待识别图像的色阶和对比度,能够尽可能地恢复物体真实的颜色,再对待识别图像进行HSV颜色空间分割处理,从而能够提高对待识别图像中纯色物体的颜色识别的精确度,提高颜色识别效果。
在第一方面的一个可能的实施例中,所述对所述待识别图像进行白平衡处理,调节所述待识别图像的色阶和对比度,包括:对所述待识别图像的预设区域进行裁剪,得到识别区域图像;对所述识别区域图像进行所述白平衡处理,调节所述识别区域图像的色阶和对比度。
在第一方面的一个可能的实施例中,所述对所述识别区域图像进行白平衡处理,调节所述识别区域图像的色阶和对比度,包括:获取所述识别区域图像的RGB各个通道的色阶和对比度;基于每个通道的色阶和对比度,按照调节参数对每个通道的色阶和对比度进行调节。
在第一方面的一个可能的实施例中,所述获取所述识别区域图像的RGB各个通道的色阶和对比度,包括:根据所述识别区域图像的RGB各个通道的直方图,确定各个通道的色阶和对比度。
在第一方面的一个可能的实施例中,所述基于每个通道的色阶和对比度,按照调节参数对每个通道的色阶和对比度进行调节,包括:获取各个通道的色阶的最大值、色阶的最小值,以及所有通道的对比度的最大值和对比度的最小值;对于任一通道,将所述色阶的最大值作为色阶最亮点,将所述色阶的最小值作为色阶最暗点,根据所述色阶最亮点和所述色阶最暗点,按照所述色阶调节参数调节所述通道的各个色阶;对于任一通道,将所述对比度的最大值作为对比度最亮点,将所述对比度的最小值作为对比度最暗点,根据所述对比度最亮点和所述对比度最暗点,按照所述对比度调节参数调节所述通道的各个对比度。
在第一方面的一个可能的实施例中,所述对经过所述白平衡处理后的所述待识别图像进行HSV颜色空间分割处理,基于所述HSV颜色空间分割处理的结果确定所述纯色物体的颜色,包括:按照预设颜色分割参数计算所述待识别图像中每个颜色的占比,将占比最大的颜色作为所述纯色物体的颜色;其中,所述预设颜色分割参数为由色度、饱和度和明度构成的用于对不同颜色进行区分的参数范围。
在第一方面的一个可能的实施例中,所述方法还包括:按照所述预设颜色分割参数,对经过所述白平衡处理后的所述待识别图像的像素进行筛选,得到多个颜色对应的色块掩模;将占比最大的颜色对应的色块掩模进行开操作处理和闭操作处理,得到待识别色块掩模;对所述待识别色块掩模进行轮廓边缘检测和多边形拟合,确定所述纯色物体的颜色的位置信息。
第二方面,本申请实施例提供了一种颜色识别装置,包括:图像获取模块,用于获取待识别图像,所述待识别图像包含纯色物体;调节模块,用于对所述待识别图像进行白平衡处理,调节所述待识别图像的色阶和对比度;分割处理模块,用于对经过所述白平衡处理后的所述待识别图像进行HSV颜色空间分割处理,基于所述HSV颜色空间分割处理的结果确定所述纯色物体的颜色。
第三方面,本申请实施例提供了一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现如第一方面任一项所述的颜色识别方法。
第四方面,本申请实施例提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现如第一方面任一项所述的颜色识别方法。
第五方面,本申请实施例提供了一种计算机程序产品,当计算机程序产品在终端设备上运行时,使得终端设备执行上述第一方面中任一项所述的颜色识别方法。
可以理解的是,上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述,在此不再赘述。
应当理解的是,以上的一般描述和后文的细节描述仅是示例性和解释性的,并不能限制本说明书。
附图说明
为了更清楚地说明本申请实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本申请的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的颜色识别方法的应用场景示意图;
图2是本申请一实施例提供的颜色识别方法的流程示意图;
图3是本申请一实施例提供的颜色识别方法的流程示意图;
图4是本申请一实施例提供的颜色识别方法的流程示意图;
图5是本申请一实施例提供的颜色识别方法的流程示意图;
图6是本申请一实施例提供的颜色识别方法的流程示意图;
图7是本申请实施例提供的颜色识别装置的结构示意图;
图8是本申请实施例提供的终端设备的结构示意图;
图9是本申请实施例提供的机器人的结构示意图。
具体实施方式
以下描述中,为了说明而不是为了限定,提出了诸如特定系统结构、技术之类的具体细节,以便透彻理解本申请实施例。然而,本领域的技术人员应当清楚,在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中,省略对众所周知的系统、装置、电路以及方法的详细说明,以免不必要的细节妨碍本申请的描述。
应当理解,当在本申请说明书和所附权利要求书中使用时,术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在,但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解,在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合,并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样,术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地,短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外,在本申请说明书和所附权利要求书的描述中,术语“第一”、“第二”、“第三”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此,在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例,而是意味着“一个或多个但不是所有的实施例”,除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”,除非是以其他方式另外特别强调。
颜色识别通常在HSV空间中进行,在RGB颜色空间中三种颜色分量的取值与所生成的颜色之间的联系并不直观,而HSV颜色空间内颜色的表达更类似于人类感觉颜色的方式,能更加直观表示色彩的明暗、色调以及鲜艳程度,方便进行颜色对比。传统的颜色识别方法是确定图像中物体的平均颜色,而物体的平均颜色通常和物体的真实颜色有很大差别,远不能满足实际应用需求。
在识别图像中纯色物体颜色的场景中,图像中的背景颜色通常比较丰富,纯色物体的颜色容易受到光照影响而造成视觉误差,导致颜色识别效果较差。
基于上述问题,本申请实施例提供一种颜色识别方法、装置、终端设备和存储介质,在该颜色识别方法中,终端设备对待识别图像进行白平衡处理,调节该待识别图像的色阶和对比度,然后对经过白平衡处理后的待识别图像进行HSV颜色空间分割处理,基于该HSV颜色空间分割处理的结果确定待识别图像中的纯色物体的颜色,由于白平衡处理调节了待识别图像的色阶和对比度,能够尽可能地恢复物体真实的颜色,再对待识别图像进行HSV颜色空间分割处理,从而能够提高对待识别图像中纯色物体的颜色识别的精确度,提高颜色识别效果。
举例说明,本申请实施例可以应用到如图1所示的示例性场景中,该场景包括物体10(例如水壶)和终端设备20,终端设备20可以对物体10进行拍照,得到包含物体10和物体10所处环境的物体图像,如终端设备20显示的图像,其中,物体10可以为任意纯色物体,例如物体10可以红色物体。用户可以触发终端设备20中的“识别”控件,终端设备20监控到该“识别”控件被触发后,开始对采集到的图像中的纯色物体进行颜色识别:对物体图像进行白平衡处理,调节物体图像的色阶和对比度,然后对经过白平衡处理后的物体图像进行HSV颜色空间分割处理,基于该HSV颜色空间分割处理的结果确定物体图像中的物体10的颜色。
其中,终端设备20可以是机器人、手机、平板电脑、可穿戴设备、车载设备、增强现实(augmented reality,AR)/虚拟现实(virtual reality,VR)设备、笔记本电脑、超级移动个人计算机(ultra-mobile personal computer,UMPC)、上网本、个人数字助理(personaldigital assistant,PDA)等电子设备,本申请实施例对终端设备的具体类型不作任何限制。
以下结合图1对本申请的颜色识别方法进行详细说明。
图2是本申请一实施例提供的颜色识别方法的示意性流程图,该颜色识别方法适于在图1所示的终端设备20中执行,参照图2,对该颜色识别方法的详述如下:
步骤S101,获取待识别图像,所述待识别图像包含纯色物体。
其中,本申请实施例中的颜色识别方法可以应用于终端设备上。终端设备可以通过图像采集单元(例如摄像头)获取包含纯色物体的待识别图像,或者终端设备可以接收其他终端设备发送的包含纯色物体的待识别图像,本申请实施例对此不予限定。
示例性的,该待识别图像可以包含纯色物体和纯色物体所处环境的背景。该纯色物体为只包含一种颜色的物体,例如红色水壶。
步骤S102,对所述待识别图像进行白平衡处理,调节所述待识别图像的色阶和对比度。
其中,纯色物体所处环境很可能会影响到终端设备对纯色物体颜色的识别结果,该环境可以包括光线和图像采集单元等信息。例如,同一纯色物体通过不同的摄像头采集到的图像中呈现出的颜色通常不同,同一纯色物体在不同的光线环境下通过同一摄像头采集到的图像中呈现出的颜色通常不同。由此可知,颜色对环境是高度敏感的,因此可以采用白平衡处理减小光线和摄像头的影响,尽可能地恢复物体的真实颜色。
示例性的,白平衡处理的原理主要是将图像中最高灰度值对应于图像中的白点,最低灰度值的对应于图像中最暗的点,然后将所有像素映射到[0,255]。本实施例中的白平衡处理包含调节色阶和调节对比度,调节色阶可以调节整体颜色的相对变化,调节对比度可以调节相对明暗程度,使得白平衡处理过后的图像更接近在该摄像头下的成像色彩。
步骤S103,对经过所述白平衡处理后的所述待识别图像进行HSV颜色空间分割处理,基于所述HSV颜色空间分割处理的结果确定所述纯色物体的颜色。
示例性的,上述HSV颜色空间分割处理主要依据每个颜色在HSV颜色空间中的设定范围,去识别待处理图像中纯色物体的颜色。例如,红色在HSV颜色空间中对应第一设定范围,蓝色在HSV颜色空间中对应第二设定范围,绿色在HSV颜色空间中对应第三设定范围等,根据待处理图像中像素与上述设定范围之间的关系,确定待处理图像中各个像素对应的颜色,再根据各个像素的颜色确定纯色物体的颜色。
其中,每种颜色可以对应色度、饱和度和明度中的一种或多种信息,对应的,每种颜色在HSV颜色空间中的设定范围可以包含色度、饱和度和明度中的一种或多种信息对应的范围。
需要说明的是,各种颜色在HSV颜色空间中的设定范围在不同的摄像头下可能会有些变化。因此,可以预先建立与各种摄像头对应的各种颜色在HSV颜色空间中的设定范围。
上述颜色识别方法,对待识别图像进行白平衡处理,调节该待识别图像的色阶和对比度,然后对经过白平衡处理后的待识别图像进行HSV颜色空间分割处理,基于该HSV颜色空间分割处理的结果确定待识别图像中的纯色物体的颜色,白平衡处理调节了待识别图像的色阶和对比度,能够尽可能地恢复物体真实的颜色,再对待识别图像进行HSV颜色空间分割处理,从而能够提高对待识别图像中纯色物体的颜色识别的精确度,提高颜色识别效果。
参见图3,一些实施例中,基于图2所示的实施例,步骤S102可以包括以下步骤:
步骤S1021中,对所述待识别图像的预设区域进行裁剪,得到识别区域图像。
示例性的,该预设区域可以为待识别图像中的任意区域,例如该预设区域可以为待识别图像的中心区域,该中心区域的尺寸可以为该待识别图像的尺寸的一半。对应的,在采集包含纯色物体的待识别图像时,可以将该纯色物体在待识别图像中的区域与该预设区域对应。
其中,待识别图像的主要特点是纯色物体是未知的且背景的颜色会有干扰,如何确认识别区域是需要解决的问题。本实施例中对待识别图像进行中心区域的裁剪,得到识别区域图像,在后续步骤中对该识别区域图像进行处理,识别出纯色物体的颜色。
步骤S1022中,对所述识别区域图像进行所述白平衡处理,调节所述识别区域图像的色阶和对比度。
一些实施例中,参见图4,步骤S1022可以包括以下步骤:
步骤S201中,获取所述识别区域图像的RGB各个通道的色阶和对比度。
示例性的,可以根据该识别区域图像的RGB各个通道的直方图,确定各个通道的色阶和对比度。
步骤S202中,基于每个通道的色阶和对比度,按照调节参数对每个通道的色阶和对比度进行调节。
其中,色阶的白点和黑点的选取由RGB三个通道各自的色阶的最大值和色阶的最小值决定,在每个通道内进行白平衡操作。而对比度的白点和黑点由RGB三个通道所有的对比度的最大值和对比度的最小值决定,在每个通道内进行白平衡操作。例如,对应的公式如下:
示例性的,rawb包括rawb_S和rawb_D,gawb包括gawb_S和gawb_D,bawb包括bawb_S和bawb_D。其中,rawb_S=(Pr-rmin_S)/(rmin_S-rmax_S),rawb_D=(Pr-rmin_D)/(rmin_D-rmax_D),gawb_S=(Pg-gmin_S)/(gmin_S-gmax_S),gawb_D=(Pg-gmin_D)/(gmin_D-gmax_D),bawb_S=(Pb-bmin_S)/(bmin_S-bmax_S),bawb_D=(Pb-bmin_D)/(bmin_D-bmax_D),Pr为该识别区域图像的R通道上的像素值,Pg为该识别区域图像的G通道上的像素值,Pb为该识别区域图像的B通道上的像素值,Pr、Pg和Pb取值范围均为0~255,rmin_S为R通道上色阶的最小值,rmin_D为R通道上对比度的最小值,rmax_S为R通道上色阶的最大值,rmax_D为R通道上对比度的最大值,gmin_S为G通道上色阶的最小值,gmin_D为G通道上对比度的最小值,gmax_S为G通道上色阶的最大值,gmax_D为G通道上对比度的最大值,bmin_S为B通道上色阶的最小值,bmin_D为B通道上对比度的最小值,bmax_S为B通道上色阶的最大值,bmax_D为B通道上对比度的最大值。
上述色阶调节和对比度调节分别取各自的最亮点和最暗点阈值,即,RGB三个通道各自的色阶的最小值为RGB三个通道各自的色阶的最大值为RGB三个通道各自的对比度的最小值为RGB三个通道各自的对比度的最大值为
其中,rmin_S的取值为R通道中色阶的最暗点(最小值)的r值,gmin_S的取值为G通道中色阶的最暗点(最小值)的g值,bmin_S的取值为B通道中色阶的最暗点(最小值)的b值,rmax_S的取值为R通道中色阶的最亮点(最大值)的r值,gmax_S的取值为G通道中色阶的最亮点(最大值)的g值,bmax_S的取值为B通道中色阶的最亮点(最大值)的b值,rmin_D的取值为RGB三个通道中对比度的最暗点(最小值)的r值,gmin_D的取值为RGB三个通道中对比度的最暗点(最小值)的g值,bmin_D的取值为RGB三个通道中对比度的最暗点(最小值)的b值,rmax_D的取值为RGB三个通道中对比度的最亮点(最大值)的r值,gmax_D的取值为RGB三个通道中对比度的最亮点(最大值)的g值,bmax_D的取值为RGB三个通道中对比度的最亮点(最大值)的b值。
示例性的,对于RGB通道中的任一通道,色阶的白点(最亮点)为该通道中色阶的最大值对应的像素点,色阶的黑点(最暗点)为该通道中色阶的最小值对应的像素点;对比度的白点(最亮点)为RGB三个通道中对比度的最大值对应的像素点,对比度的黑点(最暗点)为RGB三个通道中对比度的最小值对应的像素点。
参见图5,一些实施例中,步骤S1022可以包括以下步骤:
步骤S2021中,获取各个通道的色阶的最大值、色阶的最小值,以及所有通道的对比度的最大值和对比度的最小值。
其中,各个通道的色阶的最大值、色阶的最小值,以及所有通道的对比度的最大值和对比度的最小值,请参考步骤S202中的相关描述,在此不再赘述。
步骤S2022中,对于任一通道,将所述色阶的最大值作为色阶最亮点,将所述色阶的最小值作为色阶最暗点,根据所述色阶最亮点和所述色阶最暗点,按照所述色阶调节参数调节所述通道的各个色阶。
步骤S2023中,对于任一通道,将所述对比度的最大值作为对比度最亮点,将所述对比度的最小值作为对比度最暗点,根据所述对比度最亮点和所述对比度最暗点,按照所述对比度调节参数调节所述通道的各个对比度。
其中,根据步骤S2022和步骤S2023分别对各个通道的色阶和对比度进行调节,实现对待识别图像中纯色物体的增强,使得处理后的图像中的纯色物体的颜色更接近该纯色物体的真实颜色。
对于任一通道,将色阶的最小值和对比度的最小值作为最暗黑色,将色阶的最大值和对比度的最大值最为最亮白色,依此为基础将RGB各个通道的直方图映射到[0,255],实现对待识别图像的白平衡处理。其中,最暗黑色对应[0,255]中的0,最亮白色对应[0,255]中的255。
图6是本申请一实施例提供的颜色识别方法的示意性流程图,参照图6,对该颜色识别方法的详述如下:
步骤S301,请参考步骤S101,在此不再赘述。
步骤S302,请参考步骤S102,在此不再赘述。
步骤S303,按照所述预设颜色分割参数,对所述识别区域图像的像素进行筛选,得到多个颜色对应的色块掩模。
示例性的,每个颜色在HSV颜色空间中的设定范围如表1所示。
表1 HSV颜色空间的颜色范围
序号 | 颜色 | minH | minS | minV | maxH | maxS | maxV |
1 | 红色 | 0|338 | 40 | 50 | 16|360 | 100 | 100 |
2 | 橙色 | 18 | 51 | 70 | 42 | 100 | 100 |
3 | 黄色 | 44 | 51 | 27 | 68 | 100 | 100 |
4 | 绿色 | 80 | 25 | 27 | 154 | 100 | 100 |
5 | 青色 | 156 | 30 | 27 | 198 | 100 | 100 |
6 | 蓝色 | 200 | 31 | 35 | 240 | 100 | 100 |
7 | 紫色 | 240 | 24 | 27 | 290 | 100 | 100 |
8 | 洋红 | 290 | 44 | 27 | 336 | 100 | 100 |
9 | 粉色 | 260|290 | 12 | 54 | 290|360 | 24|43 | 100 |
10 | 棕色 | 18 | 60 | 40 | 40 | 100 | 70 |
11 | 黑色 | 0 | 0 | 0 | 360 | 100 | 10 |
表1中,设定了红色、橙色、黄色、绿色、青色、蓝色、紫色、洋红色、粉色、棕色、黑色等颜色的颜色范围,每种颜色对应minH、minS、minV、maxH、maxS和maxV。其中,minH表示色度(0~360)的最小值,minS表示饱和度(0~100)的最小值,minV表示明度(0~100)的最小值,maxH表示色度(0~360)的最大值,maxS表示饱和度(0~100)的最大值,maxV表示明度(0~100)的最大值。
其中,minH和maxH构成颜色的色度范围,minS和maxS构成颜色的饱和度范围,minV和maxV构成颜色的明度范围。例如,红色的色度范围为0|338~16|360,红色的饱和度范围为40~100,红色的明度范围为50~100,即,对于色度位于0|338~16|360、饱和度位于40~100且明度位于50~100中的像素点的颜色为红色。
步骤S304,计算所述识别区域图像中每个颜色的占比,将占比最大的颜色作为所述纯色物体的颜色。
其中,由于在识别区域图像中,纯色物体对应的像素点的颜色的占比最大,因此可以根据识别区域图像中每个颜色的占比确定纯色物体的颜色。具体的,可以按照步骤S303中的方法确定识别区域图像中每个像素点的颜色,根据各个像素点的颜色计算识别区域图像中每个颜色的占比,将占比最大的颜色作为所述纯色物体的颜色。
进一步的,上述该颜色识别方法还可以输出纯色物体在待识别图像中的位置。具体的,如图6所示,上述颜色识别方法还可以包括:
步骤S305,将占比最大的颜色对应的色块掩模进行开操作处理和闭操作处理,得到待识别色块掩模。
步骤S306,对所述待识别色块掩模进行轮廓边缘检测和多边形拟合,确定所述纯色物体的颜色的位置信息。
其中,步骤S303中对HSV颜色空间的颜色分割直接按照颜色范围筛选范围内的像素得到多个颜色对应的色块掩模,其中占比最大的颜色对应的色块掩模为主题色块,即二值图像Mask。二值图像由于为直接筛选的像素,会存在一些独立的像素位于主题色块之外,因此可以利用形态学图像处理中的开操作和闭操作使得到待识别色块掩模的轮廓更光滑,消除轮廓中细小的凸起和裂痕。对于得到的待识别色块掩模进行轮廓边缘检测,对检测得出的轮廓使用多边形拟合生成用于确定颜色位置的预设形状的边框(例如矩形),从而实现对纯色物体位置的框定。
应理解,上述实施例中各步骤的序号的大小并不意味着执行顺序的先后,各过程的执行顺序应以其功能和内在逻辑确定,而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的颜色识别方法,图7示出了本申请实施例提供的颜色识别装置的结构框图,为了便于说明,仅示出了与本申请实施例相关的部分。
参见图7,本申请实施例中的颜色识别装置可以包括图像获取模块401、调节模块402和分割处理模块403。
其中,图像获取模块401,用于获取待识别图像,所述待识别图像包含纯色物体;
调节模块402,用于对所述待识别图像进行白平衡处理,调节所述待识别图像的色阶和对比度;
分割处理模块403,用于对经过所述白平衡处理后的所述待识别图像进行HSV颜色空间分割处理,基于所述HSV颜色空间分割处理的结果确定所述纯色物体的颜色。
可选的,调节模块402可以包括裁剪单元和调节单元。
其中,裁剪单元,用于对所述待识别图像的预设区域进行裁剪,得到识别区域图像;
调节单元,用于对所述识别区域图像进行所述白平衡处理,调节所述识别区域图像的色阶和对比度。
可选的,上述调节单元具体可以用于:
获取所述识别区域图像的RGB各个通道的色阶和对比度;
基于每个通道的色阶和对比度,按照调节参数对每个通道的色阶和对比度进行调节。
可选的,上述调节单元获取所述识别区域图像的RGB各个通道的色阶和对比度的过程可以包括:
根据所述识别区域图像的RGB各个通道的直方图,确定各个通道的色阶和对比度。
可选的,上述调节单元基于每个通道的色阶和对比度,按照调节参数对每个通道的色阶和对比度进行调节的过程可以包括:
获取各个通道的色阶的最大值、色阶的最小值,以及所有通道的对比度的最大值和对比度的最小值;
对于任一通道,将所述色阶的最大值作为色阶最亮点,将所述色阶的最小值作为色阶最暗点,根据所述色阶最亮点和所述色阶最暗点,按照所述色阶调节参数调节所述通道的各个色阶;
对于任一通道,将所述对比度的最大值作为对比度最亮点,将所述对比度的最小值作为对比度最暗点,根据所述对比度最亮点和所述对比度最暗点,按照所述对比度调节参数调节所述通道的各个对比度。
可选的,分割处理模块403具体可以用于:
按照所述预设颜色分割参数,对所述待识别图像的像素进行筛选,得到多个颜色对应的色块掩模;
计算所述待识别图像中每个颜色的占比,将占比最大的颜色作为所述纯色物体的颜色;
其中,所述预设颜色分割参数为由色度、饱和度和明度构成的用于对不同颜色进行区分的参数范围。
可选的,上述颜色识别装置还可以包括位置确定模块,该位置确定模块用于:
将占比最大的颜色对应的色块掩模进行开操作处理和闭操作处理,得到待识别色块掩模;
对所述待识别色块掩模进行轮廓边缘检测和多边形拟合,确定所述纯色物体的颜色的位置信息。
需要说明的是,上述装置/单元之间的信息交互、执行过程等内容,由于与本申请方法实施例基于同一构思,其具体功能及带来的技术效果,具体可参见方法实施例部分,此处不再赘述。
所属领域的技术人员可以清楚地了解到,为了描述的方便和简洁,仅以上述各功能单元、模块的划分进行举例说明,实际应用中,可以根据需要而将上述功能分配由不同的功能单元、模块完成,即将所述装置的内部结构划分成不同的功能单元或模块,以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中,上述集成的单元既可以采用硬件的形式实现,也可以采用软件功能单元的形式实现。另外,各功能单元、模块的具体名称也只是为了便于相互区分,并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本申请实施例还提供了一种终端设备,参见图8,该终端设500可以包括:至少一个处理器510、存储器520以及存储在所述存储器520中并可在所述至少一个处理器510上运行的计算机程序,所述处理器510执行所述计算机程序时实现上述任意各个方法实施例中的步骤,例如图2所示实施例中的步骤S101至步骤S103。或者,处理器510执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能,例如图7所示模块401至403的功能。
示例性的,计算机程序可以被分割成一个或多个模块/单元,一个或者多个模块/单元被存储在存储器520中,并由处理器510执行,以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段,该程序段用于描述计算机程序在终端设备500中的执行过程。
本领域技术人员可以理解,图8仅仅是终端设备的示例,并不构成对终端设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件,例如输入输出设备、网络接入设备、总线等。
处理器510可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器(Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列(Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器520可以是终端设备的内部存储单元,也可以是终端设备的外部存储设备,例如插接式硬盘,智能存储卡(Smart Media Card,SMC),安全数字(Secure Digital,SD)卡,闪存卡(Flash Card)等。所述存储器520用于存储所述计算机程序以及终端设备所需的其他程序和数据。所述存储器520还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture,ISA)总线、外部设备互连(Peripheral Component,PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture,EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示,本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
图9示出的是本申请实施例提供的机器人的部分结构的框图。参考图9,机器人可以包括:图像采集单元610、存储器620、输入单元630、显示单元640、音频电路650、无线保真(wireless fidelity,WiFi)模块660、处理器670以及电源680等部件。本领域技术人员可以理解,图9中示出的机器人结构并不构成对机器人的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
下面结合图9对机器人的各个构成部件进行具体的介绍:
图像采集单元610可用于采集物体图像,给处理器670处理。例如,图像采集单元610可以为摄像头。
存储器620可用于存储软件程序以及模块,处理器670通过运行存储在存储器620的软件程序以及模块,从而执行机器人的各种功能应用以及数据处理。存储器620可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如声音播放功能、图像播放功能等)等;存储数据区可存储根据机器人的使用所创建的数据(比如音频数据、电话本等)等。此外,存储器620可以包括高速随机存取存储器,还可以包括非易失性存储器,例如至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
输入单元630可用于接收输入的数字或字符信息。具体地,输入单元630可包括触控面板631以及其他输入设备632。触控面板631,也称为触摸屏,可收集用户在其上或附近的触摸操作(比如用户使用手指、触笔等任何适合的物体或附件在触控面板631上或在触控面板631附近的操作),并根据预先设定的程式驱动相应的连接装置。可选的,触控面板631可包括触摸检测装置和触摸控制器两个部分。其中,触摸检测装置检测用户的触摸方位,并检测触摸操作带来的信号,将信号传送给触摸控制器;触摸控制器从触摸检测装置上接收触摸信息,并将它转换成触点坐标,再送给处理器670,并能接收处理器670发来的命令并加以执行。此外,可以采用电阻式、电容式、红外线以及表面声波等多种类型实现触控面板631。除了触控面板631,输入单元630还可以包括其他输入设备632。具体地,其他输入设备632可以包括但不限于物理键盘、功能键(比如音量控制按键、开关按键等)、轨迹球、鼠标、操作杆等中的一种或多种。
显示单元640可用于显示由用户输入的信息或提供给用户的信息以及机器人的各种菜单。显示单元640可包括显示面板641和投射装置,可选的,显示面板641可以采用液晶显示器(Liquid Crystal Display,LCD)、有机发光二极管(Organic Light-EmittingDiode,OLED)等形式来配置显示面板641。进一步的,触控面板631可覆盖显示面板641,当触控面板631检测到在其上或附近的触摸操作后,传送给处理器670以确定触摸事件的类型,随后处理器670根据触摸事件的类型在显示面板641上提供相应的视觉输出。虽然在图9中,触控面板631与显示面板641是作为两个独立的部件来实现机器人的输入和输入功能,但是在某些实施例中,可以将触控面板631与显示面板641集成而实现机器人的输入和输出功能。
音频电路650可提供用户与机器人之间的音频接口。音频电路650可将接收到的音频数据转换后的电信号,传输到扬声器由扬声器转换为声音信号输出;另一方面,传声器将收集的声音信号转换为电信号,由音频电路650接收后转换为音频数据,再将音频数据输出处理器670处理后,经WiFi模块660以发送给另一机器人,或者将音频数据输出至存储器620以便进一步处理。
WiFi属于短距离无线传输技术,机器人通过WiFi模块660可以与其他终端设备(例如机器人)连接,可以浏览网页和访问流式媒体等,它为用户提供了无线的宽带互联网访问。虽然图9示出了WiFi模块660,但是可以理解的是,其并不属于机器人的必须构成,完全可以根据需要在不改变发明的本质的范围内而省略。
处理器670是机器人的控制中心,利用各种接口和线路连接整个机器人的各个部分,通过运行或执行存储在存储器620内的软件程序和/或模块,以及调用存储在存储器620内的数据,执行机器人的各种功能和处理数据,从而对机器人进行整体监控。可选的,处理器670可包括一个或多个处理单元;可选的,处理器670可集成应用处理器和调制解调处理器,其中,应用处理器主要处理操作系统、用户界面和应用程序等,调制解调处理器主要处理无线通信。可以理解的是,上述调制解调处理器也可以不集成到处理器670中。
机器人还包括给各个部件供电的电源680(比如电池),其中,电源680可以通过电源管理系统与处理器670逻辑相连,从而通过电源管理系统实现管理充电、放电、以及功耗管理等功能。
本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现可实现上述颜色识别方法各个实施例中的步骤。
本申请实施例提供了一种计算机程序产品,当计算机程序产品在移动终端上运行时,使得移动终端执行时实现可实现上述颜色识别方法各个实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本申请实现上述实施例方法中的全部或部分流程,可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个方法实施例的步骤。其中,所述计算机程序包括计算机程序代码,所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括:能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区,根据立法和专利实践,计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中,对各个实施例的描述都各有侧重,某个实施例中没有详述或记载的部分,可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中,应该理解到,所揭露的装置/网络设备和方法,可以通过其它的方式实现。例如,以上所描述的装置/网络设备实施例仅仅是示意性的,例如,所述模块或单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口,装置或单元的间接耦合或通讯连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案,而非对其限制;尽管参照前述实施例对本申请进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围,均应包含在本申请的保护范围之内。
Claims (10)
1.一种颜色识别方法,适于在终端设备中执行,其特征在于,所述方法包括:
获取待识别图像,所述待识别图像包含纯色物体;
对所述待识别图像进行白平衡处理,调节所述待识别图像的色阶和对比度;
对经过所述白平衡处理后的所述待识别图像进行HSV颜色空间分割处理,基于所述HSV颜色空间分割处理的结果确定所述纯色物体的颜色。
2.如权利要求1所述的颜色识别方法,其特征在于,所述对所述待识别图像进行白平衡处理,调节所述待识别图像的色阶和对比度,包括:
对所述待识别图像的预设区域进行裁剪,得到识别区域图像;
对所述识别区域图像进行所述白平衡处理,调节所述识别区域图像的色阶和对比度。
3.如权利要求2所述的颜色识别方法,其特征在于,所述对所述识别区域图像进行白平衡处理,调节所述识别区域图像的色阶和对比度,包括:
获取所述识别区域图像的RGB各个通道的色阶和对比度;
基于每个通道的色阶和对比度,按照调节参数对每个通道的色阶和对比度进行调节。
4.如权利要求3所述的颜色识别方法,其特征在于,所述获取所述识别区域图像的RGB各个通道的色阶和对比度,包括:
根据所述识别区域图像的RGB各个通道的直方图,确定各个通道的色阶和对比度。
5.如权利要求3所述的颜色识别方法,其特征在于,所述基于每个通道的色阶和对比度,按照调节参数对每个通道的色阶和对比度进行调节,包括:
获取各个通道的色阶的最大值、色阶的最小值,以及所有通道的对比度的最大值和对比度的最小值;
对于任一通道,将所述色阶的最大值作为色阶最亮点,将所述色阶的最小值作为色阶最暗点,根据所述色阶最亮点和所述色阶最暗点,按照所述调节参数调节所述通道的各个色阶;
对于任一通道,将所述对比度的最大值作为对比度最亮点,将所述对比度的最小值作为对比度最暗点,根据所述对比度最亮点和所述对比度最暗点,按照所述调节参数调节所述通道的各个对比度。
6.如权利要求2至5任一项所述的颜色识别方法,其特征在于,所述对经过所述白平衡处理后的所述待识别图像进行HSV颜色空间分割处理,基于所述HSV颜色空间分割处理的结果确定所述纯色物体的颜色,包括:
按照预设颜色分割参数,对所述识别区域图像的像素进行筛选,得到多个颜色对应的色块掩模;
计算所述识别区域图像中每个颜色的占比,将占比最大的颜色作为所述纯色物体的颜色;
其中,所述预设颜色分割参数为由色度、饱和度和明度构成的用于对不同颜色进行区分的参数范围。
7.如权利要求6所述的颜色识别方法,其特征在于,所述方法还包括:
将占比最大的颜色对应的色块掩模进行开操作处理和闭操作处理,得到待识别色块掩模;
对所述待识别色块掩模进行轮廓边缘检测和多边形拟合,确定所述纯色物体的颜色的位置信息。
8.一种颜色识别装置,其特征在于,包括:
图像获取模块,用于获取待识别图像,所述待识别图像包含纯色物体;
调节模块,用于对所述待识别图像进行白平衡处理,调节所述待识别图像的色阶和对比度;
分割处理模块,用于对经过所述白平衡处理后的所述待识别图像进行HSV颜色空间分割处理,基于所述HSV颜色空间分割处理的结果确定所述纯色物体的颜色。
9.一种终端设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,其特征在于,所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010756965.9A CN112070096B (zh) | 2020-07-31 | 2020-07-31 | 颜色识别方法、装置、终端设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010756965.9A CN112070096B (zh) | 2020-07-31 | 2020-07-31 | 颜色识别方法、装置、终端设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112070096A true CN112070096A (zh) | 2020-12-11 |
CN112070096B CN112070096B (zh) | 2024-05-07 |
Family
ID=73656715
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010756965.9A Active CN112070096B (zh) | 2020-07-31 | 2020-07-31 | 颜色识别方法、装置、终端设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112070096B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062554A (zh) * | 2017-12-12 | 2018-05-22 | 苏州科达科技股份有限公司 | 一种车辆年检标签颜色的识别方法及装置 |
CN109191390A (zh) * | 2018-08-03 | 2019-01-11 | 湘潭大学 | 一种基于不同颜色空间多算法融合的图像增强算法 |
CN110097510A (zh) * | 2019-04-11 | 2019-08-06 | 平安科技(深圳)有限公司 | 一种纯色花朵识别方法、装置及存储介质 |
CN111222506A (zh) * | 2019-12-25 | 2020-06-02 | 深圳市优必选科技股份有限公司 | 颜色识别方法、设备及计算机可读存储介质 |
-
2020
- 2020-07-31 CN CN202010756965.9A patent/CN112070096B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108062554A (zh) * | 2017-12-12 | 2018-05-22 | 苏州科达科技股份有限公司 | 一种车辆年检标签颜色的识别方法及装置 |
CN109191390A (zh) * | 2018-08-03 | 2019-01-11 | 湘潭大学 | 一种基于不同颜色空间多算法融合的图像增强算法 |
CN110097510A (zh) * | 2019-04-11 | 2019-08-06 | 平安科技(深圳)有限公司 | 一种纯色花朵识别方法、装置及存储介质 |
CN111222506A (zh) * | 2019-12-25 | 2020-06-02 | 深圳市优必选科技股份有限公司 | 颜色识别方法、设备及计算机可读存储介质 |
Non-Patent Citations (1)
Title |
---|
刘京燕;: "快速调整数码照片色彩的常用方法", 人像摄影, no. 07 * |
Also Published As
Publication number | Publication date |
---|---|
CN112070096B (zh) | 2024-05-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109191410B (zh) | 一种人脸图像融合方法、装置及存储介质 | |
CN104517268B (zh) | 调整图像亮度的方法及装置 | |
TWI658433B (zh) | 影像模糊方法、裝置、電腦可讀儲存媒體和電腦裝置 | |
WO2017071219A1 (zh) | 检测皮肤区域的方法和检测皮肤区域的装置 | |
CN109741281B (zh) | 图像处理方法、装置、存储介质及终端 | |
WO2018171493A1 (zh) | 图像处理方法、装置及存储介质 | |
CN111614894B (zh) | 一种图像采集方法、装置及终端设备 | |
CN108280813A (zh) | 一种图像处理方法、终端及计算机可读存储介质 | |
CN108259746B (zh) | 一种图像色彩检测方法及移动终端 | |
CN105225647A (zh) | 亮度调整方法及装置 | |
CN107644396B (zh) | 一种唇色调整方法和装置 | |
CN112634312B (zh) | 图像背景处理方法、装置、电子设备及存储介质 | |
CN111626967A (zh) | 图像增强方法、装置、计算机装置及可读存储介质 | |
CN110618852B (zh) | 视图处理方法、视图处理装置及终端设备 | |
CN112463275A (zh) | 数据处理方法、终端及存储介质 | |
CN110944163A (zh) | 一种图像处理方法及电子设备 | |
WO2019184017A1 (zh) | 一种显示控制的方法及电子设备 | |
CN111784703B (zh) | 一种图像分割方法、装置、电子设备和存储介质 | |
CN111031242B (zh) | 图像处理方法及装置 | |
CN110766606B (zh) | 一种图像处理方法及电子设备 | |
CN112419218A (zh) | 图像处理方法、装置及电子设备 | |
CN116668656A (zh) | 图像处理方法及电子设备 | |
CN112070096B (zh) | 颜色识别方法、装置、终端设备和存储介质 | |
CN106875356A (zh) | 一种图像处理的方法及终端 | |
EP3913616B1 (en) | Display method and device, computer program, and storage medium |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |